CN103196440B - M序列离散式人工路标设置及相关移动机器人定位方法 - Google Patents

Abstract

本发明提供一种M序列离散式人工路标设置方法及其相关移动机器人定位方法。路标设置方法，其特征为，路标根据其特征不同相互区分，路标特征采用路标本身性质或路标空间位置关系；路标特征参数为路标特征的量化表达；路标设置顺序基于M序列，路标的特征参数为其对应的M序列中元素的映射。其相关机器人定位方法，其特征为，数个相邻路标构成一个路标组，作为定位基本单元；全部路标的设置位置及其特征参数，构成路标地图；机器人通过路标检测传感器识别路标；并获取实测路标组中各路标特征参数及其排列顺序；进而在路标地图中进行匹配，确定路标组位置；最终更新机器人位姿。本发明具有路标识别难度低、抗干扰能力强的优点。

Description

M序列离散式人工路标设置及相关移动机器人定位方法

技术领域

本发明涉及移动机器人技术领域的路标设置和定位方法，具体是一种基于M序列的离散式路标设置方法以及相关移动机器人定位方法。

背景技术

移动机器人在工业（如自动化物流和巡检）和民用（如智能车和家庭服务机器人）等领域有广泛应用。自定位技术是移动机器人领域的一项关键技术，其鲁棒性和精确性很大程度上决定了移动机器人系统的工作效率。

移动机器人的自定位技术一般分为自然路标定位和人工路标定位两大类。其中自然路标定位方法利用自然环境中的特征进行定位，具有良好的普适性且不需要环境改造。但这类方法方法复杂，鲁棒性不佳，且定位精度往往受到环境的影响。人工路标辅助定位技术，是指将路标设置在机器人工作环境中，通过传感设备对路标进行识别，从而实现机器人的自定位。由于该类方法中，路标特征稳定，系统构成简单，具有较强的鲁棒性，所以被广泛采用。

在人工路标辅助定位方法中，路标的识别准确率很大程度上决定了定位方法的鲁棒性和工作效率。同时，在一些条件严苛的复杂室外环境中，各种外界干扰，如电磁干扰、光照变化等，也会对人工路标的识别带来挑战。

针对以上问题，近年来国内外研究人员提出了几种解决方案。例如，中国发明专利，公告号CN102419178A，提出利用一种3×3型点阵式主动红外路标帖附与天花板上，并利用机器人载红外广角摄像机识别路标并计算机器人位姿。中国发明专利，公告号CN102735235A，提出一种基于二维码的室内移动机器人定位方法，通过利用图像采集装置获取环境图像，并利用视觉识别方法，识别分布在室内环境中的二维码标签，从而实现机器人定位。中国发明专利，公告号CN1707223A，提出一种基于一维条形码的室内移动机器人定位方法，机器人通过条码扫描装置、译码器、电子地图映射表，实现对一维条形码路标的识别以及机器人定位。

上述方法具有路标识别难度高、抗干扰能力弱等缺点，具体分析如下：

1.路标识别难度高：当地图较大时，需要使用较多的路标。为了区分所有的路标，使得每个路标全局唯一，当路标特征参数选取范围限定时，较多的路标会导致不同路标之间的特征差异减小。因此，为了准确可靠地区分不同的路标，要求系统具有更高的路标识别能力，如：更小的测量误差、更高的分辨率等等。

2.抗干扰能力弱：外界环境的干扰，如光照强度不均、视觉路标污渍等，都可能对路标的识别带来负面影响。而当使用较多路标时，由于路标特征参数差异较小，较小程度的外界干扰就能够造成不同路标间的混淆，导致路标误识别的情况，从而影响定位的准确率。

上述缺点限制了路标定位方法在大范围（如工厂和码头的物流搬运等）和复杂环境（室外天气和照明变化等）下的应用。

发明内容

针对现有技术的以上问题，本发明采用具有抗干扰和易识别特点的一种伪随机序列——M序列对路标设置进行建模，提出一种面向移动机器人定位的M序列离散式人工路标设置方法及其相关机器人定位方法。

根据本发明的一个方面，提供一种M序列离散式人工路标设置方法，具体为：路标根据其特征不同相互区分，路标特征采用路标本身性质（如：颜色、尺寸、形状等）或路标空间位置关系（如：相邻路标间距）；路标特征参数为路标特征的量化表达；路标依次设置在机器人运动路径上，其设置顺序基于M序列，路标的特征参数为其对应的M序列中元素的映射；数个相邻路标构成一个路标组，作为定位基本单元，全部路标设置位置及其路标特征参数构成路标地图，机器人利用路标地图与实测信息的匹配实现定位。

优选地，全局路标总数m，路标组内路标个数n，由实际应用条件确定；路标特征参数集合基数q，为满足公式qⁿ≥m-n+1的最小正整数；生成q元n级M序列，并根据该M序列元素与路标特征参数的映射关系，生成路标设置序列，并依此在机器人运动路径上设置路标。

优选地，路标设置方法步骤如下：

全局路标总数m，根据路径总长l、预测范围阈值th₃确定，满足公式如下：

$m\≥\frac{l}{{\mathrm{th}}_3}---\left(1\right)$

其中，预测范围阈值th₃表示，所述定位方法根据机器人运动模型预测机器人位姿情况下，机器人最大允许连续行驶长度。

路标组内路标个数n，根据初始盲区范围阈值th₄确定，满足公式如下：

$n\≥\frac{{\mathrm{th}}_{4}m}{l}---\left(2\right)$

其中，初始盲区范围阈值th₄表示，所述定位方法初始化后，由于机器人未经过完整的路标组，从而无法完成匹配的最大允许连续行驶长度。

路标特征参数阈值l_min，l_max分别表示路标特征参数的最大值与最小值，由路标方案确定。

路标特征参数集合L_c包含q个满足路标特征参数阈值的有限集合。优选地，为保证路标特征差异，L_c满足公式如下：

$L_c=\left\{l_c\right|l_c=\frac{l_{\max }-l_{\min }}{q-1}i+l_{\min },i\∈[0,q-1]\∩i\∈Z\}---\left(3\right)$

其中，路标特征参数集合基数q为正整数，满足公式如下：

qⁿ≥m-n+1    （4）

根据上述参数，生成q元n级M序列{a_i}，再依此生成路标设置序列，并在机器人运动路径上设置路标。M序列元素a_i为大于等于0的整数，满足公式如下：

a_i∈{0,1,...q-1}    （5）

全地图第i个路标特征参数l_m(i)为生成的q元n级M序列中第i个元素的映射，优选地，满足公式如下：

$l_m\left(i\right)=\frac{l_{\max }-l_{\min }}{q-1}{a}_i+l_{\min }---\left(6\right)$

总结性地，M序列与路标设置序列的对应关系如表1：

表1.M序列与路标设置序列对应关系

根据本发明的另一个方面，提供一种基于权利要求1或2所述M序列离散式人工路标设置方法的相关移动机器人定位方法，包括如下步骤：

步骤1，机器人位姿预测：根据机器人运动模型，计算机器人预测位姿。

步骤2，路标检测判断：机器人利用路标检测传感器进行路标检测，若检测到路标，则进入步骤3，反之，则进入步骤6；

步骤3，路标特征参数获取：机器人通过路标检测传感器，获取路标特征参数；

步骤4，实测路标组特征参数更新：根据步骤3获取的路标特征参数，更新实测路标组特征参数，实测路标组特征参数包括数个最近测得的路标的特征参数以及排列顺序，实测路标组特征参数由一维向量L_d表示：

L_d＝[l_d(1),l_d(2),...,l_d(i),...,l_d(n)]^T    （7）

其中l_d(i)表示最近检测到的第i个路标特征参数。

步骤5，路标组匹配：将实测路标组特征参数与路标地图中各路标组进行匹配，并计算路标组匹配结果，作为路标组匹配可靠性判断的依据。

路标地图由一维向量L_m表示：

L_m＝[l_m(1),l_m(2),...,l_m(j),...,l_m(m)]^T    （8）

其中l_m(j)表示全地图第j个路标特征参数。

将L_d与L_m中的所有路标组进行匹配，并搜索最佳匹配结果fm₁和次佳匹配结果fm₂，作为路标组匹配可靠性判断的依据。

优选地，路标组匹配目标函数的计算公式为：

$f_m(k,L_d,L_m)=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(l_m(k+j-1)-l_d\left(j\right))}^2}---\left(9\right)$

${\mathrm{fm}}_1=\underset{k\∈[1,m-n+1]}{\min }{f}_m(k,L_d,L_m)=f_m(k_{m1},L_d,L_m)$

${\mathrm{fm}}_2=\underset{k\∈[1,m-n+1]\∩i\≠k_{m1}}{\min }{f}_m(k,L_d,L_m)=f_m(k_{m2},L_d,L_m)$

其中f_m(k,L_d,L_m)表示路标地图中第k路标组与实测路标组的匹配结果，结果越小表示匹配度越高，k_m1和k_m2分别表示最佳和次佳匹配路标组序号。

步骤6，路标组匹配可靠性判断：仅当fm₁与fm₂满足可靠性阈值要求如下：

fm₁≤th₁∩fm₂≥th₂    （10）

则认为路标组匹配成功；反之则认为路标组匹配失败。其中，th₁为最佳匹配阈值，th₂为次佳匹配阈值，分别根据实际应用要求确定。

步骤6，机器人位姿更新：若路标组匹配成功，则利用路标组匹配结果更新机器人位姿；若路标组匹配失败或未检测到路标，则根据预测位姿更新机器人位姿。

与现有技术相比，本发明中的路标设置顺序基于多元M序列，路标特征参数为其对应的M序列中元素的映射。数个相邻路标构成一个路标组，作为定位基本单元。全部路标的设置位置及其特征参数，构成路标地图。定位方法中，机器人通过路标检测传感器识别路标；再根据路标识别的历史信息，获取实测路标组中各路标特征参数及其排列顺序；进而将实测路标组在路标地图中进行匹配，确定路标组位置，最终更新机器人位姿。方法具有路标识别难度低、抗干扰能力强的优点。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施示意图；

图2为定位方法结构框图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

1.路标特征选择

路标特征可以采用路标相互关系，或路标本身特性（如：颜色、尺寸、形状等），路标特征参数为路标特征的量化表达，可以通过路标检测传感器测得。

本实施例中，路标特征采用路标尺寸，具体为圆柱形路标的高度。如图1所示，机器人运动于一维路径上。路标铺设在路径右侧地面，采用圆柱形视觉路标。路标检测传感器采用网络摄像头，利用计算机视觉算法，检测并识别路标。

2.路标设置方法

如取l＝500米，th₃＝10，根据公式（1），则获得全局路标总数m＝50。

如取th₄＝50，根据公式（2），则获得路标组内路标个数n＝3。

根据公式（4），则获得路标特征参数集合基数q＝4。

路标特征参数阈值l_min、l_max，由路标方案确定，本实施例中，路标高度为0.4米至1米，则取l_min＝0.4米，l_max＝1米。

根据公式（3），则取路标特征参数集合L_c＝{0.4,0.6,0.8,1}，单位为米。

关于q元n级M序列的生成方法众多，优选地可采用以下文献中提出的方法：

Harold Fredricksen and James Maiorana,Necklaces of beads in k colors andk-ary de Bruijn sequences,23(3):207-210,Discrete Mathematics,1978.

采用上述方法，根据路标特征集合基数q及路标组内路标个数n，生成q元n级M序列，再根据该序列生成路标的设置序列，并在机器人运动路径上设置路标。

最终获得路标布置序列如下（单位为米）：

L_m＝[0.4,0.4,0.4,0.6,0.8,1.0,1.0,1.0,0.8,1.0,0.8,0.8,0.8,1.0,0.6,1.0,0.8,0.6,1.0,1.0,0.6,0.8,0.8,0.6,0.8,0.6,0.6,1.0,0.6,0.6,0.6,0.8,0.4,1.0,1.0,0.4,1.0,0.6,0.4,1.0,0.8,0.4,0.8,1.0,0.4,0.8,0.6,0.4,0.8,0.8]^T

3.定位方法

步骤1机器人位姿预测中，采用里程计模型计算机器人预测位姿。

步骤5路标组匹配中，采用枚举法搜索最佳匹配和次佳匹配结果以及对应的路标组序号。

步骤6路标组匹配可靠性判断中，可靠性阈值th₁和th₂根据定位实验结果确定，本实施例中，可以采用th₁＝0.05和th₂＝0.1。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (2)

1.一种M序列离散式人工路标设置方法，其特征在于，具体为：路标根据其特征不同相互区分；路标特征采用路标本身性质或路标空间位置关系；路标特征参数为路标特征的量化表达；路标依次设置在机器人运动路径上，其设置顺序基于M序列，路标特征参数为其对应的M序列中元素的映射；数个相邻路标构成一个路标组，作为定位基本单元，全部路标设置位置及其路标特征参数构成路标地图，机器人利用路标地图与实测信息的匹配实现全局定位；

全局路标总数m，路标组内路标个数n，由实际应用条件确定；路标特征参数集合基数q，为满足公式qⁿ≥m-n+1的最小正整数；生成q元n级M序列，并根据该M序列元素与路标特征参数的映射关系，生成路标设置序列，并依此在机器人运动路径上设置路标。

2.一种基于权利要求1所述M序列离散式人工路标设置方法的相关移动机器人定位方法，其特征在于，包括如下步骤：

步骤1，机器人位姿预测：根据机器人运动模型，计算机器人预测位姿；

步骤2，路标检测判断：机器人利用路标检测传感器进行路标检测，若检测到路标，则进入步骤3，反之，则进入步骤7；

步骤3，路标特征参数获取：机器人通过路标检测传感器，获取路标特征参数；

步骤4，实测路标组特征参数更新：根据步骤3获取的路标特征参数，更新实测路标组特征参数，实测路标组特征参数包括数个最近测得的路标的特征参数以及排列顺序；

步骤5，路标组匹配：将实测路标组特征参数与路标地图中各路标组进行匹配，并搜索最佳匹配结果fm₁和次佳匹配结果fm₂，作为路标组匹配可靠性判断的依据；

步骤6，路标组匹配可靠性判断：仅当fm₁与fm₂满足可靠性阈值要求：

fm₁≤th₁∩fm₂≥th₂

其中，th₁为最佳匹配阈值，th₂为次佳匹配阈值，则认为路标组匹配成功；反之则认为路标组匹配失败；

步骤7，机器人位姿更新：若路标组匹配成功，则利用路标组匹配结果更新机器人位姿；若路标组匹配失败或未检测到路标，则根据预测位姿更新机器人位姿。